简介：一套基于DEAP数据集的脑电信号情感识别项目代码，面向深度学习初学者、生物信号处理研究人员和情感计算开发者，解决从原始EEG到情绪状态分类的完整建模问题。实现采用一维CNN搭配LSTM提取时空特征，并对比GRU、SimpleRNN等循环网络结构，预处理阶段包含带通滤波降噪、多域特征提取与标准化，覆盖数据清洗、模型构建、训练验证、结果评估等环节。压缩包共35个文件，约11.86MB，内容以6个Jupyter Notebook为主，详细记录特征预处理与多组训练实验，另有3个Python脚本便于批量训练与测试，h5/npy模型权重文件可直接加载复用，PNG图片展示频域分布、标签分布、混淆矩阵及损失曲线等可视化结果。目前已有2521人学习下载，是复现EEG情感识别实验、理解CNN+LSTM时序建模流程的实用参考，多个备份版本也有助于对比不同参数设置对性能的影响。代码结构清晰，适合作为课程设计或科研起点。
1. 别急着搭模型：Deap脑电识别里 CNN-LSTM 的真正瓶颈在哪
搜“Deap脑电信号识别CNN-LSTM代码”的人，很多是带着一个误解来的：以为拿到一份网上公开的代码，把数据集下载好、改两行路径就能跑出 90% 的准确率。实际我复现这类方案的经验恰恰相反——模型结构本身只占三成工作量，剩下七成全在数据怎么切、标签怎么对齐、训练验证怎么划分。你的模型搭得再漂亮，只要滑动窗口切错了，或者把同一个被试的数据混在训练集和验证集里，准确率就会虚高得离谱，换一批被试立刻打回原形。
这篇文章就按我平时做脑电情感识别的工作流来讲：从 Deap 数据集的结构读起，到预处理、CNN-LSTM 模型定义、训练配置，最后落在一份能复现的验证流程上。适合两类人：一是刚入门想用公开脑电数据集做情感二分类的初学者，二是想在 Deap 上快速验证新特征提取思路、又不想在数据组织上翻车的工程师。你会发现很多所谓“效果差”，根因根本不在网络。
2. Deap数据集怎么读：从 .mat 到可训练样本的“门道”
想在 Deap 上跑 CNN-LSTM，第一步不是写模型，而是把数据集读对。Deap 全称是 Dataset for Emotion Analysis using Physiological Signals，一份非常标准的脑电情感公开数据集。要复现这类代码，你先去搜“deap数据集下载”，找到官方页面把s01.mat到s32.mat这些文件拿回来。这批数据里有 32 个被试，每个被试看了 40 段视频，每段视频伴随一张 1-9 的情感评分表。听起来很简单，但原始.mat文件的形状、通道顺序和基线长度，直接决定了你后面代码怎么组织。我见过太多人把第 33 到 40 通道的外围生理信号当成脑电一起送进网络，训练出来效果奇差，还以为是模型不行。
2.1 DEAP 的原始数据结构：trials、channels、samples 三维度先对齐
官方提供的每个被试文件里，核心就是两个变量：data和labels。data的四维形状是(40, 40, 8064)，分别代表 40 个实验、40 个通道、8064 个采样点；labels的形状是(40, 4)，对应 40 个实验的 valence、arousal、dominance、liking 四个评分。8064 这个数字怎么来的？采样率 128Hz，每个实验时长 60 秒，前 3 秒是静息基线，加上后面 60 秒正好 63 秒，128 × 63 = 8064。官方已经做过降采样和人工去伪迹，所以拿到的数据相对干净。
通道顺序也是固定的，前 32 个是实际脑电通道，通道名从 Fp1、AF3 一直到 O2，是标准的 32 导联国际 10-20 系统布局；后 8 个是外围生理信号，包含眼电、肌电、皮电、呼吸等。做脑电识别时，我一般只取前 32 通道，除非你的课题明确要融合多模态生理特征。减少通道数量还有一个好处：模型输入维度降了，训练速度和显存占用都会友好很多。这里的关键是先打印 shape 确认，而不是凭记忆硬写下标，一旦把外围信号混进脑电里，后续所有结论都得推倒重来。
2.2 用 scipy.io.loadmat 读数据：先打印 shape 再动手
读取.mat文件最稳定的方式是scipy.io.loadmat。网上有些代码会用到h5py，那是针对新版 MATLAB 7.3 格式的，Deap 官方数据用 scipy 直接解析即可，不需要绕弯路。我习惯把数据加载封装成一个单独的函数，顺便把标签二值化做掉，这样后面训练循环里的代码会干净很多。
import numpy as np import scipy.io as sio def load_deap_subject(path, n_eeg_channels=32, sample_rate=128, baseline_sec=3): raw = sio.loadmat(path) data = raw['data'] # (40, 40, 8064) labels = raw['labels'] # (40, 4) # 取前32个脑电通道，去掉前3秒基线 eeg = data[:, :n_eeg_channels, baseline_sec * sample_rate:] # 这一步之后 eeg 的形状是 (40, 32, 7680) # 把 valence 评分 >= 5 视为正类，其余为负类 valence = (labels[:, 0] >= 5).astype(np.int64) print(f"原始 data shape: {data.shape}") print(f"截断后 eeg shape: {eeg.shape}") print(f"标签分布: 正样本 {valence.sum()}, 负样本 {(valence == 0).sum()}") return eeg, valence这段代码的核心逻辑只有三步：切片、去基线、二值化。切片这一步最容易错，很多新手直接用raw['data'][:, :, 3 * 128:]，但 3 秒基线是 384 个采样点，如果采样率记错成 512Hz，切出来的就是 1536 个点，整个时序结构全部错位。打印出 shape 的目的就是逼你先确认切片结果是不是(40, 32, 7680)，如果不是，先检查数据来源，别急着往下走。标签分布打印也很重要，Deap 的 valence 评分经过 5 分阈值切分后，正负样本通常不是严格的 5:5，知道分布就能提前决定训练时要不要做类别加权。
2.3 标签怎么用：二分类阈值、Valence/Arousal 与样本平衡
Deap 的情感评分是连续值 1-9，但大多数 CNN-LSTM 分类任务落地时都做成二分类。最常见的两个目标是 valence（积极/消极维度）和 arousal（兴奋/平静维度），阈值通常取 5，大于等于 5 算高唤醒或积极，小于 5 算另一类。这个阈值不是拍脑袋定的，而是 DEAP 官方论文里的常见切法。也有一部分工作会做回归任务，直接预测 1-9 的分数，但二分类在工程上更好验证，本文保留这个设定。
真正需要警惕的是标签分布不平衡。不同被试的评分习惯差异不小，有人偏好打高分，阈值切完后正样本可能占了七成。CNN-LSTM 这类模型在类别不平衡时，loss 会被多数类主导，训练出来的模型会倾向于全预测成多数类。我的做法是：先打印每个被试的标签分布，再决定用加权交叉熵还是过采样。另外，标签是按实验粒度的，每个实验 60 秒，后面做滑动窗口时一个实验能切出几十个窗口，所有窗口都继承同一个标签。这里如果没有对齐好窗口和标签的下标关系，后面整个训练集都是错乱的，这是第 5 章我会重点排查的问题。
3. 脑电数据预处理：基线校正、标准化与滑动窗口
预处理阶段决定了模型的上限。很多公开的 Deap 代码预处理只有两三行，但这正是那些代码“跑起来容易、效果不稳定”的原因。我一般把预处理拆成三步：先做基线校正，再做标准化，最后做滑动窗口切分。顺序不能乱，尤其是标准化的统计量必须从训练集单独计算，绝对不能用到全数据集或测试集的信息。避免数据泄漏这件事，从这里就要开始绷着弦。
3.1 为什么先做基线校正：EEG 的绝对幅值没有跨实验可比性
脑电信号本身是微伏级别的微弱电位，不同实验之间，由于电极接触阻抗、皮肤状态、被试清醒程度的变化，基线漂移很明显。直接把两个不同实验段的原始电压值送进卷积核里比较大小，模型学到的是实验间差异，而不是情感状态差异。基线校正的做法很朴素：把每个实验前 3 秒静息态的平均电压当成该段信号的基准，后面 60 秒的每个采样点都减去这个均值。
这里有个容易忽略的细节：基线校正是按“每个通道、每个实验”分别做的。不同通道之间基线漂移量不一样，不能把整个实验所有通道混在一起算均值。另一件要注意的事是基线校正要在滑窗之前做，否则每个窗口都要重复减一次均值，计算量变大还可能因为边界效应引入毛刺。如果你拿到的某个.mat文件里已经做过预处理，那这段可以跳过，但保险起见我还是会看一眼数据分布，标准差明显异常的文件十有八九预处理流程不一样。
3.2 训练集测试集划分后，再做 z-score 标准化（顺序很关键）
很多 Deap 相关代码里的标准化是全数据集归一化，(数据 - 全局均值) / 全局标准差，然后随机划分训练集测试集。这种做法在学术复现里非常常见，但它是一个隐患：验证集的信息已经混进了训练时的数据分布里，测出来的指标偏乐观。更干净的做法是，先把实验位次按比例划分成训练实验和测试实验，再分别基于训练实验的均值和标准差做标准化。
from sklearn.model_selection import train_test_split def preprocess_and_split(eeg, labels, test_ratio=0.2, random_seed=42): n_trials = eeg.shape[0] trial_ids = np.arange(n_trials) # 按实验维度划分，而不是按窗口划分 train_ids, test_ids = train_test_split( trial_ids, test_size=test_ratio, stratify=labels, random_state=random_seed ) # 用训练集计算均值和标准差 train_data = eeg[train_ids] mean = train_data.mean(axis=(0, -1), keepdims=True) std = train_data.std(axis=(0, -1), keepdims=True) + 1e-8 # 再应用到全部数据 eeg_norm = (eeg - mean) / std return eeg_norm[train_ids], labels[train_ids], eeg_norm[test_ids], labels[test_ids]注意这里的mean和std是按通道维度计算的，keepdims保证运算广播不出错。train_test_split里的stratify=labels是为了保持正负样本比例，Deap 这种小数据集样本量本来就不大，分层划分能让验证结果稳定一些。我特别加了random_seed=42，就是为了让每次划分结果可复现。很多代码复现不了，回头查根因就是划分随机状态没固定。按实验划分而不是按窗口划分，这个细节直接决定你的测试集里有没有和训练集几乎一样的“近亲样本”。
3.3 滑动窗口：4秒窗口、2秒步长，兼顾样本量与时间依赖
原始 60 秒实验数据直接整段输入 CNN-LSTM，样本量太少，一个被试只有 40 个样本，整个数据集也才 32 × 40 = 1280 个实验。即使切了正负样本，模型也学不到什么。常见做法是用滑动窗口切成短片段，让每个实验贡献几十个窗口样本。窗口长度我习惯取 4 秒，步长取 2 秒，也就是相邻窗口有 50% 重叠。4 秒窗口在 128Hz 下是 512 个采样点，CNN 能在这段里提取到比较完整的脑电节律信息，LSTM 也能在一个窗口内表现出跨短时段的时序变化；2 秒步长则能把一个 60 秒实验切成 29 个窗口左右，样本量立刻从上千变成数万。
窗口太短，比如 1 秒，就只覆盖了 128 个采样点，CNN 提取的局部特征对情感分类来说过于碎片化，LSTM 也几乎没有时间上下文可言。窗口太长，比如 10 秒，会引入更多被试眨眼、肌肉运动的噪声，且一个实验只能切出 5 个样本，数据量不够。步长选 2 秒还有一个好处：如果后续做跨验证，每个实验被切出的窗口依然能保持比较好的时间分布。
def sliding_window(eeg, labels, win_len=512, step=256): """ eeg: (n_trials, n_channels, n_samples) labels: (n_trials,) 返回 (n_windows, n_channels, win_len) 和窗口标签 """ windows, window_labels = [], [] n_trials, n_channels, total_len = eeg.shape for trial in range(n_trials): trial_data = eeg[trial] trial_label = labels[trial] starts = range(0, total_len - win_len + 1, step) for start in starts: windows.append(trial_data[:, start:start + win_len]) window_labels.append(trial_label) windows = np.array(windows, dtype=np.float32) window_labels = np.array(window_labels, dtype=np.int64) return windows, window_labels实现上有个细节值得说：starts = range(0, total_len - win_len + 1, step)这一步如果写错边界，最后一个窗口就会越界，程序大概率报错，但也有可能因为 numpy 切片不做严格检查而悄悄丢掉一段尾部数据。所以我习惯把 7680 个采样点先打印确认，7680 - 512 = 7168，步长 256 时一共能切 29 个窗口，自己算一遍就踏实了。窗口样本量的权衡本质是：重叠越大样本越多，但相邻窗口之间的相关性也越高，验证集里很容易出现和训练窗口高度重叠的样本，导致指标虚高，这两者之间的平衡我一般用第 5 章提到的重叠检查去约束。
4. CNN-LSTM 主体：网络结构、关键参数与训练配置
预处理准备好了，模型设计反而是最直接的部分。CNN-LSTM 在脑电信号识别上之所以流行，不是因为它比纯 CNN 或纯 LSTM 玄学地强很多，而是脑电信号本身就同时具备空间局部性和时间序列性。CNN 擅长提取短时窗里的局部波形形态，比如某个脑区在 200ms 内出现的节律变化；LSTM 则擅长捕捉这些局部特征在更长时段上的演化趋势。Deap 的情感诱发实验通常持续 60 秒，情感状态本身就是逐渐建立、波动的过程，这种结构组合天然契合。
4.1 为什么用 CNN 做空间特征提取、LSTM 做时序建模：结构选型话
如果你只用一个 CNN，对 32 通道、512 个采样点的窗口做卷积，它能提取出每个脑区局部波段的瞬态特征，但这 512 个点内部没有明确的先后建模。如果你只用一个 LSTM，把 512 个时间点依次推进去，它能捕捉时序依赖，但每个时刻的原始电压直接进入 LSTM，对电极噪声很敏感，也浪费了通道间的局部拓扑关系。CNN-LSTM 的组合思路是：先用一维卷积在时间轴上做短程模式提取，把原始采样点压缩成更紧凑的特征图；再用 LSTM 在这些特征图上做长程时序建模。换句话说，CNN 负责把波形变特征，LSTM 负责把特征变趋势。
更具体地，我选Conv1d或Conv2d? 在 Deap 这种通用 32 通道数据上，我默认用Conv1d，把通道数当作输入通道，时间轴是卷积作用维度。这样每个卷积核学到的是同一时段内所有脑区的联合模式，相当于在做跨通道的时空融合。如果要做三维电极拓扑布局，需要知道每个通道的物理位置，那是另一套Conv2d方案，复杂度高不少，但对 Deap 的基准实验来说，Conv1d已经够了。
4.2 模型定义：Conv1d 提取 EEG 局部模式，LSTM 建模时间依赖
模型结构我用 PyTorch 写，整体保持简洁：两层 CNN 块负责特征提取，一个单相 LSTM 层负责时序建模，最后过全连接输出二分类概率。我把关键超参写成nn.Parameter不实际，用argparse又太重，就直接把常用的默认值放在函数参数里。下面这份代码是我在实际任务里的基准版本，你完全可以把卷积核大小、LSTM 隐层数量按自己的数据规模去调。
import torch import torch.nn as nn class CnnLstm(nn.Module): def __init__(self, n_channels=32, win_len=512, n_steps=8, hidden_size=64, num_layers=2, n_classes=2, dropout=0.3): super().__init__() self.n_steps = n_steps # 第一段 CNN：把 512 个采样点压缩到 128 self.cnn1 = nn.Sequential( nn.Conv1d(n_channels, 32, kernel_size=7, padding=3), nn.BatchNorm1d(32), nn.ReLU(), nn.MaxPool1d(2), nn.Conv1d(32, 64, kernel_size=5, padding=2), nn.BatchNorm1d(64), nn.ReLU(), nn.MaxPool1d(2) ) # 第二段 CNN：把 128 压缩到 32 self.cnn2 = nn.Sequential( nn.Conv1d(64, 64, kernel_size=3, padding=1), nn.BatchNorm1d(64), nn.ReLU(), nn.MaxPool1d(2) ) # 时序建模 self.lstm = nn.LSTM(input_size=64, hidden_size=hidden_size, num_layers=num_layers, batch_first=True, dropout=dropout, bidirectional=False) self.classifier = nn.Linear(hidden_size, n_classes) def forward(self, x): # x shape: (batch, n_channels, win_len) h = self.cnn1(x) # (batch, 64, win_len//4) h = self.cnn2(h) # (batch, 64, win_len//8) # 将时间特征切成 n_steps 段，每段做均值池化后送入 LSTM step_len = h.shape[2] // self.n_steps h = h[:, :, :step_len * self.n_steps] b, c, t = h.shape h = h.reshape(b, c, self.n_steps, step_len) h = h.mean(dim=3) # (batch, 64, n_steps) h = h.transpose(1, 2) # (batch, n_steps, 64) out, _ = self.lstm(h) # (batch, n_steps, hidden_size) out = out[:, -1, :] return self.classifier(out)这里每一段都有它的设计意图。cnn1和cnn2在时间轴上作用，卷积核大小逐步变小，意味着先看较大范围的波形形态（7 个采样点约 55ms），再看更细的局部特征（3 个采样点约 23ms），这是模仿从节律到细节的多尺度感知。BatchNorm1d的作用是让每个通道的输出分布保持稳定，否则脑电信号经过几层卷积后容易出现内部协变量漂移，训练早期 loss 降不下去。MaxPool1d(2)每次减半时间轴长度，配合感受野扩大。最后的reshape和mean是关键步骤：把 32 个时间特征段平均成一个向量序列喂给 LSTM，等于让 LSTM 每次只看一个“时间步”。如果不切段，直接把 32 点展平给 LSTM，输入维度太大且没有时间语义。超参n_steps=8意味着 LSTM 在 4 秒的窗口内建模 8 个半秒级状态，这个粒度在情感识别上是合理的，太小了没有时间上下文，太大了每个步长信息过于稀疏。
4.3 训练配置：学习率、批大小、梯度裁剪、早停与保存最佳参数
模型定义好后，训练循环里最容易让新手翻车的是三个地方：学习率设太大导致 loss 发散，梯度爆炸把 LSTM 权重冲坏，以及保存模型时只保存最后一次迭代而不是验证集最好的那次。针对脑电信号这种高噪声数据，我习惯设置相对保守的初始学习率，比如1e-3使用 Adam 优化器，并加上权重衰减 1e-4 来抑制过拟合。批大小选 64，因为窗口样本量通常有几万条，64 能保证每个 batch 里正负样本都比较均衡。
def train_model(model, train_loader, val_loader, epochs=50, lr=1e-3, patience=8, save_path="best_deap.pt"): device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model = model.to(device) criterion = nn.CrossEntropyLoss() optimizer = torch.optim.AdamW(model.parameters(), lr=lr, weight_decay=1e-4) scheduler = torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max=epochs) best_val_acc = 0.0 bad_epochs = 0 for epoch in range(epochs): model.train() train_loss, train_correct, train_total = 0.0, 0, 0 for x_batch, y_batch in train_loader: x_batch = x_batch.float().to(device) y_batch = y_batch.to(device) optimizer.zero_grad() logits = model(x_batch) loss = criterion(logits, y_batch) loss.backward() # 梯度裁剪，防止 LSTM 梯度爆炸 torch.nn.utils.clip_grad_norm_(model.parameters(), max_norm=5.0) optimizer.step() train_loss += loss.item() * x_batch.size(0) _, preds = torch.max(logits, dim=1) train_correct += (preds == y_batch).sum().item() train_total += y_batch.size(0) scheduler.step() val_acc, val_loss = evaluate(model, val_loader, criterion, device) train_acc = train_correct / train_total print(f"Epoch {epoch+1:02d}: train_loss {train_loss/train_total:.4f}, " f"train_acc {train_acc:.4f}, val_acc {val_acc:.4f}") if val_acc > best_val_acc: best_val_acc = val_acc torch.save(model.state_dict(), save_path) bad_epochs = 0 else: bad_epochs += 1 if bad_epochs >= patience: print("早停触发，结束训练") break return best_val_acc这段训练代码里最不能省的两个细节是clip_grad_norm_和早停。LSTM 在长序列上很容易出现梯度模超过几十甚至上百的情况，如果没有裁剪，权重更新一次就可能把此前几十轮的收敛成果全部打散，这在脑电这种噪声大的数据上更明显。max_norm=5.0是一个常用且安全的阈值，如果你发现 loss 在训练中途突然变成 NaN，优先检查这里。早停的patience=8表示连续 8 轮验证集准确率没有刷新，就提前终止，这样可以规避脑电数据训练后期剧烈震荡造成的过拟合。模型保存建议只存权重而不存整个对象，后面加载时复现更稳定。评估函数evaluate我单独定义，它和训练时的 forward 流程一样，但需要挂在torch.no_grad()上下文里，否则会额外累积计算图，显存很快被吃满。
5. 避坑：Deap 脑电识别常见问题与排查：数据泄漏、指标虚高与不可复现
这一章我专门讲血泪经验。网上大量公开代码在 Deap 上报告的准确率动不动就是 90% 以上，但你自己复现时可能只有六十几。这通常是“数据泄漏”在作祟，而不是你运气差。数据泄漏在脑电这类高维时序数据里非常隐蔽，很多时候指标漂亮到不真实，恰恰说明实验设计有问题。我从五个最常见的坑讲起，每个都按“现象、原因、解决”来整理，这些故障我在不同项目里都踩过不只一次。
5.1 数据泄漏最常见来源：标准化统计量算到全局
现象：训练集准确率 90%，验证集准确率也是 88%，感觉模型已经收得很好。但换一批被试重新采集数据测试，准确率掉到 60% 以下，回到随机水平附近。
原因：你在滑动窗口之前，用整个eeg数组的均值和标准差做了标准化。窗口切完以后，训练窗口和验证窗口的数据都在同一个标准化分布里，验证阶段其实已经“知道”了训练集的分布形状。CNN-LSTM 里的卷积层本来就在学习输入的统计特征，你等于提前把答案给了它。
解决：严格遵循第 3.2 节的顺序，先按实验位次划分出训练实验和测试实验，再用训练实验的均值、标准差去标准化测试实验。血泪经验是，划分动作要放在窗口切分之前，否则无法保证窗口不泄漏。这里还可以加一层保险：打印标准化后的训练集和测试集的均值、方差，两者应该接近但不应完全相同，如果完全相同，说明你在划分后不小心又做了一次全局标准化。
5.2 滑动窗口重叠导致相邻样本几乎重复
现象：训练集准确率很高，但是混淆矩阵里正样本类别被系统性错判，或者每隔一个 epoch 指标跳动非常大，达到 5 个百分点以上。
原因：滑动窗口步长选得太小，比如 128 个采样点（1 秒步长）在 4 秒窗口下重叠高达 75%，一个 60 秒实验切出的相邻窗口内容几乎一样。训练窗口和验证窗口只要在同一个实验里，重叠部分就会让模型“背题”。
解决：窗口重叠比例控制在 50% 以内，我常用的是 4 秒窗口、2 秒步长，即重叠 50%。如果样本量确实不够，可以换一个思路：把同一实验切出的窗口要么全部放进训练集，要么全部放进验证集，而不是让同一个实验的窗口自由散落在分区两边。这里有个很隐蔽的点：按窗口随机划分时，同一个实验的后半段窗口和前半段窗口有重叠，模型看到的验证数据几乎就是训练数据的平移版本。务必按实验或按窗口组做划分。
5.3 跨被试混合训练后，被试个体特征被当成情感特征
现象：训练前做了分层抽样，标签分布也均衡，但验证准确率稳定在 75% 左右，再往上怎么调参都上不去。把横坐标换成不同被试的分别准确率，发现某个被试准确率 90%，另一个只有 40%。
原因：同一被试的头骨厚度、电极阻抗、基线脑电节律相似，模型很容易学到“这个人本身长什么样”，而不是“这个人当前的情感状态”。跨被试混合训练但没有做留出被试验证，等于让模型找到了被试身份这个简单分类线索。
解决：评估方案改成按被试划分。通常保留 5-6 个被试完全不参与训练，拿来做最终测试，剩余被试用于训练和验证。这样做准确率会明显低于同被试划分，但更真实。如果你想做严格的研究级验证，可以考虑 leave-one-subject-out 交叉验证，即每个被试轮流做测试集，代价是训练要跑 32 轮，但结论经得起推敲。
5.4 输入里出现 NaN，训练中途直接崩溃
现象：训练跑了几百个 batch，loss 从 0.7 逐步下降到 0.4，然后突然某个 batch 抛错，或者 loss 变成 NaN，再跑下去验证集指标也全是 0。
原因：两个来源。一是原始数据里有缺失值或全零通道，标准化之后除以接近零的标准差，直接产生无穷大；二是 LSTM 反向传播时梯度爆炸，权重被更新成异常大值，数值溢出。
解决：预处理时对每个通道做一次检查，标准差为零或存在 NaN 的通道要单独处理，通常做法是剔除或插值。训练时我在 4.3 节加了clip_grad_norm_(max_norm=5.0)，这是防梯度爆炸最直接的办法。如果加完裁剪仍未解决，把初始学习率从1e-3降到3e-4，再观察前 5 轮 loss 是否稳定下降。避免输入 NaN 是关键底线，模型结构上很难自动吸收这类脏数据。
5.5 随机种子与复现：只设torch.manual_seed不够
现象：同一份代码、同一个数据集，今天跑准确率 78%，明天跑变成 71%。别人用自己的环境跑你的代码，结果和你的报告完全不同，无法复现论文结论。
原因：你没有固定随机种子。PyTorch 的模型初始化、数据加载器的随机采样顺序、NumPy 的数据洗牌，每个环节都有自己的随机源。测出来的波动不一定是模型问题，而是随机状态在起作用。早期我也是只设一行torch.manual_seed(42)就认为万事大吉，后来发现train_test_split的随机、DataLoader 的shuffle=True都没固定，复现全靠运气。
解决：在入口处固定三套随机源，并按下面代码写。数据划分固定种子、PyTorch 初始化固定种子、DataLoader 固定加载顺序。还需要把最终的模型权重、标签划分索引一起保存下来，否则即使别人用相同代码，也可能因为环境库里排序不同而略有差异。
import random import numpy as np import torch def set_seed(seed=42): random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual_seed_all(seed) # 让卷积、全连接等层的初始化逻辑更稳定 torch.backends.cudnn.deterministic = True torch.backends.cudnn.benchmark = False这个函数放在代码入口处，调用一次就够了。cudnn.deterministic = True是很多老手会漏掉的一行，它让 GPU 上的卷积算法变得确定，代价是可能损失一点计算速度。对于 Deap 这种数据量在几万窗口规模的任务来说，损失的性能完全可以接受，换取的可复现性价值要大得多。
6. 验证模型靠不靠谱：跨被试留出法、混淆矩阵与 F1，比单点准确率有用得多
走到这一步，你的模型能训练、指标也像个样子，但离“可以投入使用”还有一道验证关。我见过太多项目的最后时间段花在调模型上，却忽略了评估方式本身的偏差。对 Deap 脑电识别，我建议至少做两种验证：一是按被试留出，二是按实验留出。按被试留出能看出模型对陌生人泛化能力，按实验留出能排除同一被试短时间漂移的影响。常用做法是保留 6 个被试做最终测试，其余 26 个被试训练验证，跑 5 次不同留出组合取平均，得到的结果比任何一次固定划分都有说服力。
评估指标上，准确率单看很容易被标签不平衡误导。Deap 二分类样本如果是 6:4，模型全猜多数类就有 60% 准确率，看起来还行，实际毫无用处。我习惯把混淆矩阵和每类 F1 一起打出来。混淆矩阵能暴露你模型究竟在哪类上犯错，F1 则把精确率和召回率合并成一个综合指标。如果正类 F1 明显低于准确率，说明模型在误报和漏报之间有偏斜，需要调整分类阈值或做类别加权。这些验证做完，你才能判断这份 CNN-LSTM 方案对这个数据集的场景值不值得继续投入。
我个人有一个习惯：每次训练结束，把最好的模型权重、数据划分索引、随机种子、预处理参数和验证结果全部导出成注释文本存进同一个文件夹。因为脑电识别本身信噪比低，运行结果天然波动，不把这些元信息存下来，下一次想复现上一轮的好结果时，只能靠重新搜代码，连参数都找不到。说白了，很多号称效果好的方案，最后都毁在不能复现上。这个习惯也让我在换数据集、换被试时能快速对比，不用把时间耗在反复调参里。希望这个工作流和这些踩坑提醒，能帮你在 Deap 上少走一段弯路。
本文还有配套的精品资源，点击获取
